运动目标检测与跟踪是视频监控领域里的一项重要工作,被广泛应用于智能视频浏览,图像编码,交通管理,银行监控等领域。通过完善和改进运动目标检测的算法,尤其解决遮挡问题,可进一步提高监控系统的智能化水平,有效地实现对运动物体的跟踪。本文主要研究了基于多特征融合的运动目标检测与跟踪方法,目前,提出的运动目标检测与跟踪的方法很多,每种方法都有各自的缺点和不足。本文采用马尔可夫随机场分割与目标分块匹配的方法相结合,重点解决在多目标情况下,发生静态遮挡与彼此遮挡以及不同光线条件下的目标分割与跟踪问题。运动目标分割的效果对进一步的运动目标跟踪会带来关键性的影响,因此选取一个好的分割方法非常重要,在运动目标分割方面,本文提出一种基于自适应权值的区域马尔可夫随机场(MRF)分割的方法,该方法利用了相邻像素区域的空间相关性,自适应更新系统能量函数中的参数β,可以更准确的分割出运动目标[1],马尔科夫随机场模型是基于马尔可夫随机场与Gibbs分布的等效性,在图像分割领域取得较好的效果。在运动目标跟踪方面,本文在建立目标匹配模版过程中采用多种特征(包括NMI特征,积分直方图特征等)相融合的方法,结合卡尔曼预测与目标运动方向等信息,进一步提高算法准确性,实现目标匹配跟踪,并与camshift和粒子滤波等近几年的方法实现对比,实验结果表明本文方法在实时性,准确性等方面要优于上述方法。